NCI Imaging Data Commons - 癌症影像数据查询与下载工具

技能概述

使用 idc-index Python 包查询和下载 NCI Imaging Data Commons 的公开癌症影像数据，无需身份验证即可获取大规模 CT、MR、PET 及病理切片数据集，支持 AI 医学影像训练和癌症研究。

适用场景

1. AI 医学影像训练数据集构建

为深度学习模型获取高质量、标注丰富的癌症影像数据。通过 SQL 查询精确筛选特定癌症类型、影像模态、解剖部位的数据集，支持批量下载 DICOM 格式影像文件。适合构建医学图像分类、检测、分割等任务的训练数据。

2. 医学影像研究与临床分析

研究人员和临床医生可以访问大规模、多中心的癌症影像数据集，用于影像特征分析、疾病模式研究、临床验证等。IDC 包含丰富的临床元数据和患者人口统计信息，支持回顾性研究和跨机构数据对比分析。

3. 癌症影像数据探索与可视化

无需下载即可在浏览器中预览和可视化 DICOM 影像数据，支持单序列和整个检查的多序列查看。适合快速探索数据质量、选择合适的数据集，以及生成研究演示材料。

核心功能

1. SQL 元数据查询与数据发现

使用标准 SQL 查询 IDC 元数据索引，支持按集合、患者、研究、序列等层级筛选数据。可查询影像模态（CT、MR、PET、SM）、检查部位、制造商、数据许可证、文件大小等元数据字段。提供 collections_index 和 analysis_results_index 用于发现原始影像和衍生数据集。

2. 批量 DICOM 数据下载

支持按 collection_id、PatientID、StudyInstanceUID、SeriesInstanceUID 等标识符灵活下载数据。可自定义目录结构模板，适合组织大规模数据集。从 AWS S3 和 Google Cloud Storage 公共存储桶直接下载，无需云服务账号。提供命令行工具 idc download 支持清单文件批量下载。

3. 数据许可证检查与引用生成

自动查询数据许可证信息（CC BY、CC BY-NC 等），确保符合商业或学术使用要求。基于 source_DOI 自动生成 APA、BibTeX 等格式的引用，满足数据归属和发表要求。支持在下载前验证许可证类型，避免合规风险。

常见问题

如何获取 NCI Imaging Data Commons 的癌症影像数据？

安装 idc-index 包后，使用 IDCClient() 进行 SQL 查询找到目标数据，然后通过 download_from_selection() 方法下载。可以按集合、患者、研究或序列 UID 选择数据，支持批量下载和自定义目录结构。无需注册账号或身份验证，但需遵守相应数据许可证。

idc-index 需要什么认证和权限？

idc-index 本身无需任何认证或权限，所有 IDC 数据都可以公开访问。只需使用 pip install --upgrade idc-index 安装即可使用。数据存储在公开的 AWS S3 和 Google Cloud Storage 存储桶中，支持匿名访问。注意某些集合有商业使用限制（CC BY-NC 许可证），在使用前请检查许可证条款。

IDC 数据支持哪些影像模态和格式？

IDC 数据版本 v23 包含多种医学影像模态：CT（计算机断层扫描）、MR（磁共振成像）、PT（正电子发射断层扫描）、XA（血管造影）、RF（射频）、SM（病理切片显微镜）。数据以标准 DICOM 格式存储，可使用 pydicom、SimpleITK、3D Slicer 等工具处理。病理切片数据支持全幻灯片图像查看。